File size: 3,280 Bytes
b1d507b
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
{
  "best_metric": null,
  "best_model_checkpoint": null,
  "epoch": 3.533333333333333,
  "eval_steps": 500,
  "global_step": 28,
  "is_hyper_param_search": false,
  "is_local_process_zero": true,
  "is_world_process_zero": true,
  "log_history": [
    {
      "epoch": 0.26666666666666666,
      "grad_norm": 7.743002891540527,
      "learning_rate": 9.285714285714286e-05,
      "loss": 9.6715,
      "step": 2
    },
    {
      "epoch": 0.5333333333333333,
      "grad_norm": 10.184503555297852,
      "learning_rate": 8.571428571428571e-05,
      "loss": 9.4915,
      "step": 4
    },
    {
      "epoch": 0.8,
      "grad_norm": 11.913558006286621,
      "learning_rate": 7.857142857142858e-05,
      "loss": 9.2876,
      "step": 6
    },
    {
      "epoch": 1.0,
      "grad_norm": 8.506986618041992,
      "learning_rate": 7.142857142857143e-05,
      "loss": 6.794,
      "step": 8
    },
    {
      "epoch": 1.2666666666666666,
      "grad_norm": 16.136363983154297,
      "learning_rate": 6.428571428571429e-05,
      "loss": 8.7684,
      "step": 10
    },
    {
      "epoch": 1.5333333333333332,
      "grad_norm": 17.197826385498047,
      "learning_rate": 5.714285714285714e-05,
      "loss": 8.4057,
      "step": 12
    },
    {
      "epoch": 1.8,
      "grad_norm": 17.818504333496094,
      "learning_rate": 5e-05,
      "loss": 8.0786,
      "step": 14
    },
    {
      "epoch": 2.0,
      "grad_norm": 7.011114120483398,
      "learning_rate": 4.2857142857142856e-05,
      "loss": 5.9957,
      "step": 16
    },
    {
      "epoch": 2.2666666666666666,
      "grad_norm": 15.747384071350098,
      "learning_rate": 3.571428571428572e-05,
      "loss": 7.8072,
      "step": 18
    },
    {
      "epoch": 2.533333333333333,
      "grad_norm": 10.231032371520996,
      "learning_rate": 2.857142857142857e-05,
      "loss": 7.7025,
      "step": 20
    },
    {
      "epoch": 2.8,
      "grad_norm": 14.580495834350586,
      "learning_rate": 2.1428571428571428e-05,
      "loss": 7.6752,
      "step": 22
    },
    {
      "epoch": 3.0,
      "grad_norm": 4.722076416015625,
      "learning_rate": 1.4285714285714285e-05,
      "loss": 5.6959,
      "step": 24
    },
    {
      "epoch": 3.2666666666666666,
      "grad_norm": 8.84581470489502,
      "learning_rate": 7.142857142857143e-06,
      "loss": 7.5967,
      "step": 26
    },
    {
      "epoch": 3.533333333333333,
      "grad_norm": 8.689848899841309,
      "learning_rate": 0.0,
      "loss": 7.5943,
      "step": 28
    },
    {
      "epoch": 3.533333333333333,
      "step": 28,
      "total_flos": 108812813622552.0,
      "train_loss": 7.897485290254865,
      "train_runtime": 759.4252,
      "train_samples_per_second": 0.632,
      "train_steps_per_second": 0.037
    }
  ],
  "logging_steps": 2,
  "max_steps": 28,
  "num_input_tokens_seen": 0,
  "num_train_epochs": 4,
  "save_steps": 500,
  "stateful_callbacks": {
    "TrainerControl": {
      "args": {
        "should_epoch_stop": false,
        "should_evaluate": false,
        "should_log": false,
        "should_save": true,
        "should_training_stop": true
      },
      "attributes": {}
    }
  },
  "total_flos": 108812813622552.0,
  "train_batch_size": 2,
  "trial_name": null,
  "trial_params": null
}